谷歌50天连发4款Gemini 4:Neon跑分超Opus 5.5和GPT-6.2 Sol
OpenAI却有点拉了。

OpenAI那款顶级模型隔了75天才露面,前脚刚发布,社区后脚就吵翻了。
有人直接说新模型“几乎没法用”,有人嫌它太谨慎、不好指挥,也有人觉得它解释自己干活的样子像在“说外星话”。
还有网友画了张漫画拿GPT-6.2 Astra开涮,吐槽它的语言风格纯属防御过当。

图片来源网络
前·赛博义父Tibo在X上提到,模型语言风格方面的反馈他已经收到,OpenAI正在琢磨怎么改。
评论区里已经有人放话,准备弃用OpenAI,改用
Gemini。

话说回来,谷歌最近的确势头很猛。
美国时间11月18日,Gemini 4 Neon(氖/霓虹)正式亮相。往前数,9月底有Argon(氩)、10月底有Carbon(碳),六天前Hydrogen(氢)才刚发。不到50天,这是谷歌推出的第四款Gemini 4模型。

谷歌公布的测试结果显示,编程、办公自动化、科学推理、多模态理解、长上下文这些领域,Neon几乎全面压过
Opus 5.5和刚出炉的GPT-6.2 Sol。
同一天还有一手:谷歌宣布向部分付费用户开放世界模型Genie 4。在浏览器里就能生成并进入虚拟世界,探索过程中还能改天气、加角色,场景和声音跟着一起变。
两边一对比,这一轮我站谷歌。

Gemini迭代有点快
发布Gemini 4 Neon之前,谷歌AI团队的人在社区开了个玩笑:
“咱们这么赶着把这些产品都发出去,就是为了腾出时间玩《GTA 6》,对吧?”

Neon正式发布后,还有谷歌高管专门喊话网友:“赶在《GTA 6》发布前,快来试试吧。”

GPT 6.2表现不咋地,可GTA6相当精彩。敢在这两个“大动作”中间把模型发出来,谷歌对自家模型看来是有信心的。
Gemini 4 Neon确实不差。Artificial Analysis综合智能评测里,Neon拿到61分,Claude Opus 5.5是59分,GPT-6.2 Sol是57分,连它“上一级”的Carbon的60分也被甩在后面。
只是Neon这61分来自最高思考强度Xhigh,Carbon的60分对应的是High档。都用High档的话,两款模型同为60分。

谷歌公布的模型卡显示,Neon是在Carbon基础上适配出来的,定位很清楚:性能接近旗舰,同时跑得更快、用得更便宜。
官方数据说,默认High思考档位下,Neon完成同类评测任务的平均成本比Carbon低32%。它还给了四档思考强度,用户能按任务难度自己调成本和速度。
不过这个成本优势说的是完成任务的平均花费。Neon眼下的API价格是每百万输入Token 3美元、输出Token 15美元,论单价,比还在促销期的Carbon贵一些。
跑分之外,Zapier的办公自动化测试AutomationBench里,Neon拿到56.3%,Claude Opus 5.5是42.5%,GPT-6.2 Sol是41.3%。
这项测试让AI独立跑真实业务流程,操作软件、处理数据、跨应用执行任务都算在内,多少能反映Agent的实际工作能力。
考察长期任务执行能力的Vending-Bench 2测试中,Neon同样亮眼。它要独立经营一台模拟自动售货机,采购、补货、定价、跟供应商谈判都得自己来。模拟运营一年后,Neon账户上平均留下16,843美元。
编程能力上,Neon在Artificial Analysis Coding Agent Index中拿下58.6分,比Fable 5.2还高出一线。

Neon并非样样占先。谷歌自己晒出的成绩里,Claude Opus 5.5在两项编程测试中仍略高一筹:Terminal-Bench 4.1拿到65.8%,Neon是65.2%;FrontierCode 2.0拿到47.3%,Neon为46.2%。
眼下Neon已向Gemini App的Pro和Ultra订阅用户开放,开发者则能经由Google AI Studio、Gemini API和Antigravity调用。
在Antigravity里,Neon还可以当任务协调者,把活儿分给多个Hydrogen子Agent并行去做,自己管规划、统筹和结果检查。这套协作机制此前已在Carbon和Hydrogen之间跑通,现在Neon也接了进来。
按谷歌的说法,新模型处理PDF、电子表格、图片等不同格式的材料更顺手,能结合Gmail、Docs里的信息写报告,也能应付更复杂的多步骤Tasks任务。
从顶端的复杂推理,到简单任务,再到要兼顾性能和成本的Agent工作,谷歌给不同模型划出的分工越来越清晰。
而且短短49天里,谷歌一口气连发了四款Gemini 4模型。
9月30日Gemini 4 Argon发布,10月28日Carbon接棒,11月12日Hydrogen登场,11月18日又来了Neon。
四款模型接连亮相,并不代表谷歌在49天里从零造出了四套完全不同的模型。谷歌DeepMind公布的模型卡显示,Gemini 4系列有清楚的技术继承关系:Carbon基于Argon开发,Hydrogen和Neon又都是在Carbon基础上适配出来的。
后面的模型表现一路追赶甚至反超前代,最早登场的Argon就有点尴尬——用户口碑还没立起来,风头已被后续版本抢走。
现在Gemini App里,Neon已经顶替了Argon原先的位置。

谷歌还造了一个“世界”
要我说,谷歌最近多少是有点想当“造物主”了。
Argon是氩,Carbon是碳,Hydrogen是氢,Neon是氖……Gemini 4这个系列走的是“元素路线”。
表面上这跟“文学”的Claude、“天体”的GPT能坐到一桌,可不如前两家直观。几乎每个模型发布贴下都有网友吐槽“看不出和模型性能之间的关系”,还有人调侃“是不是有朝一日要把元素周期表给占满”。
(顺便一提,这个梗谷歌自己也在玩,现在打开Google AI Studio,真多了一个能在元素周期表里选模型的互动界面。)

光在元素周期表上点名还不够,Neon发布同一天,谷歌又宣布向部分付费用户开放世界模型Genie 4,让用户直接生成、进入一个由AI创造的虚拟世界。
这款模型其实10月27日就已亮相,此前主要向受邀测试者提供研究预览。如今它终于从封闭测试走向普通消费者,开放给符合条件的Google AI Ultra订阅用户。Pro会员可以加入等待名单。

只要输入文字或者图片,Genie 4就能实时生成一个可自由探索、互动的虚拟环境。用户能用键盘和鼠标在场景中移动,也能随时输入新指令,改变天气、加入角色,甚至调整接下来发生的事件。
Genie 4还能同步生成声音——从环境里的风声、水声,到角色之间的对话,都随场景变化实时调整。
模型卡显示,Genie 4能实时生成最高720p、每秒24帧的画面,并提供同步音频。


这次更新里,谷歌还加了一个专门帮用户设计虚拟世界的Agent(Project Genie Agent)。用户像聊天一样描述想要的场景,它就能帮忙设计画面风格、搭配背景音乐。
进入虚拟世界后,用户还能让Gemini加入探索。它能观察当前画面,给出接下来去哪里、做什么的建议,甚至根据探索过程触发新的事件。
谷歌还建了社区画廊,允许用户探索、修改和分享其他人制作的虚拟世界。

和上一代Genie 3比起来,Genie 4在画面真实感、物理模拟、交互能力这几方面进步都比较明显。可离真正成熟的开放世界,体验上还差得远。谷歌方面也承认,Genie 4跑得久、场景改得勤的时候,物体突然变形、空间细节对不上这类问题还是会出现,复杂的物理交互同样有改进空间。
Genie 4能往前走这一步,背后是别的技术在托着。谷歌DeepMind在10月的研究公告里写到,Genie 4的技术底子来自Gemini系列:画面和行为表现贴近现实这部分由Gemini Omni负责生成,推理环节则由其他Gemini模型参与,帮虚拟世界维持住连贯性。
说完Gemini Omni,谷歌这段时间在视频模型上其实也没歇着。11月5日,Gemini Omni 1.2 Flash上线,单次视频生成的最长时长从10秒拉长到15秒,角色和场景的一致性有所提高,生成价格则降了30%。
新版本在角色、场景、动作的连贯性上做了改善。用户能通过多轮对话,反复调整视频里的背景、人物或镜头,原有画面的细节尽量保留,修改时出现的画面错乱也少了。
世界模型这条路线还有个挺有想象空间的用处:训练机器人。谷歌已经开始试着把通用模型和世界模型放在一起,用虚拟场景来模拟机器人的动作。
11月10日,谷歌DeepMind拿出Gemini Robotics 2.5,重点是让机器人执行复杂操作的能力更强,能接手更多以前不太好完成的精细任务。在和Apptronik、奔驰合作的一项实际生产线概念验证里,搭载Gemini Robotics 2.5的Apollo 2人形机器人可以自己把汽车零件从料箱中取出,再按生产需要放进指定容器。谷歌公布的结果显示,这项试验的任务成功率达到了96%。
有意思的是,谷歌明确提到,Gemini 4 Argon在Robotics 2.5的研发过程中起了重要作用。研究人员用Argon生成大量模拟训练场景,让机器人在虚拟环境里练操作,再对照实际任务失败的视频找问题、试改进方案。10月27日发布的Genie 4研究演示里,谷歌还展示了Argon和Genie 4配合模拟人形机器人下跳棋的过程:任务拆解成步骤由Argon负责,对应的场景变化则由Genie 4实时生成。
刚因为模型更新太快、迅速让出旗舰位置的Argon,转头又成了另一项AI研究的帮手。谷歌最近这批密集发布的模型,也因此多了一层意义。
Gemini系列管推理与规划,Omni负责生成视觉和声音,Genie试着模拟真实世界,Robotics则让AI进一步去控制现实中的机器。几条不同的研究方向已经开始互相配合,甚至互相加速。谷歌在同时推进多个AI领域的技术研发,可要让这么大的研发体系持续转起来,光有模型显然不够。
十多年前,谷歌就开始做TPU(Tensor Processing Unit,张量处理单元),最早主要用于语音识别、机器翻译这些内部业务。
到今天,TPU已经迭代到第八代,成了谷歌训练和运行Gemini系列模型的重要基础设施。芯片这边的更新也在加快。11月9日,谷歌一口气推出TPU 8tx和TPU 8i Max两套新系统。算上今年4月发布的TPU 8t和8i,一年之内谷歌已经把第八代TPU系统扩充到了四套。
和Gemini 4系列一样,谷歌的TPU也开始明确分工。8t主要承担大规模模型训练,8i针对低延迟推理做了优化;新发布的8tx则专门加强机密计算能力,企业在处理敏感数据时能更安全地运行AI模型。
8i Max这边,谷歌把两颗8i芯片装进同一封装,算力、片上缓存和高带宽内存带宽都翻了一倍,针对的是超长上下文以及多个Agent协同带来的算力需求。
这么做也有现实考虑:一颗芯片从设计到量产通常要花好几年,AI模型的需求变化却快得多。调整封装、内存、网络和安全架构,谷歌就能更快拿出适配不同场景的计算系统。
谷歌公布的数据显示,TPU 8t的训练性能最高能达到上一代产品的2.7倍,8i的推理性价比最高提升80%。
公告里还提到,谷歌已用上DeepMind研发的AlphaChip和Gemini模型来协助设计下一代芯片,部分原本要数周才能完成的芯片布局工作被压缩到数小时。
芯片为更强的AI提供算力,AI反过来帮着设计芯片,一个加速的循环就在这里转了起来。
更何况,只拿TPU训练自家模型,谷歌已经不满足了。
10月20日,谷歌宣布开源TorchTPU。这项技术与Meta的PyTorch团队共同开发,开发者用熟悉的PyTorch框架就能在谷歌TPU上训练和运行AI模型,不必为了换硬件而大规模重写代码。
过去用谷歌TPU,往往得连带适应一套与英伟达GPU不同的软件环境;现在谷歌正设法把这笔迁移成本压下来。
11月9日谷歌透露,TPU业务客户已接近100家,涵盖前沿AI实验室、金融机构、零售企业和大学等。
只有芯片和模型还不够,谷歌手里还有庞大的现成产品体系,能让模型派上用场。以最近发布的Hydrogen为例,模型刚推出,谷歌几乎同步就把它接进了Gemini App和谷歌搜索。
新模型因此能不断进入谷歌已有产品,直接触达原本就在用谷歌服务的用户。
而产品体系的这番“加速”,恐怕也跟今年那场大规模人事调整脱不开关系。
8月5日,谷歌DeepMind经历一轮大规模重组。掌管DeepMind多年的德米斯·哈萨比斯卸下日常管理职责,转任DeepMind董事长及Alphabet首席科学家;原首席技术官科拉伊·卡武库奥卢接过管理权,直接向皮查伊汇报,负责Gemini模型开发、前沿AI研究及相关产品团队;杰夫·迪恩、奥里奥尔·维尼亚尔斯等谷歌AI元老相继离职,另起炉灶。
彼时Gemini的新一代旗舰模型已经推迟了两个月,部分内部测试成绩仍落后于竞争对手。几位核心研究人员出走,外界由此开始怀疑:谷歌是不是打算放弃最强模型的争夺,把更多精力转向产品商业化。
至少从最近交出的成绩看,谷歌已经找回状态,重新站回模型第一梯队。
10月28日Alphabet的财报电话会议上,CEO桑达尔·皮查伊表示,AI已经在帮助谷歌加快模型训练和发布的速度。
他预计,未来12个月这种加速还会延续。
回头再看OpenAI,GPT-6.2 Astra的模型能力其实依然强悍,OpenAI也表示正在想办法改进被吐槽的语言风格。
几天社区里的差评,当然不足以说明OpenAI已经掉队。
但谷歌的AI,这回是真的支棱起来了。